-
公开(公告)号：CN116188435B
公开(公告)日：2023-11-07
申请号：CN202310195481.5
申请日：2023-03-02
Applicant: 南通大学
Abstract: 本发明提供了一种基于模糊逻辑的医学图像深度分割方法，属于医学图像智能处理技术领域。解决了医学图像数据集数据不足导致医学图像分割准确率低的问题。其技术方案为：包括如下步骤：S1、对眼底医学图像数据集进行扩充，将彩色眼底图像以中心点随机旋转生成新的图片；S2、使用CNN和Transformer模型分别提取眼底图像特征；S3、设计模糊融合模块将两个分支提取的特征进行结合；S4、构造模糊注意力融合模块逐步上采样与融合不同尺度特征图；S5、搭建基于模糊逻辑的深度学习网络FTransCNN。本发明有益效果为：使用模糊逻辑将两种深度学习模型特征进行融合，更自然、合理的表示眼底血管区域边缘的不准确信息。
-
公开(公告)号：CN116759069A
公开(公告)日：2023-09-15
申请号：CN202310651001.1
申请日：2023-06-02
Applicant: 南通大学
Abstract: 本发明提供了一种用于大规模认知障碍疾病检测的动态加权属性约简方法，属于医学信息智能处理技术领域，传统方法在处理大规模数据处理时间较长，复杂的认知障碍疾病特征选择中会导致不确定性的技术问题。其技术方案为：包括以下步骤：S1、大规模认知障碍疾病数据获取与预处理；S2、计算认知障碍疾病原始数据和增量数据的知识粒度；S3、构建动态特征交互加权属性树；S4、将构建的动态特征交互加权属性树分支，每轮分支结束时将低权重属性添加到交互集F中进行增量特征交互；S5、在所有属性树完成分支后，将计算节点约简集输出到主节点，获得大规模认知障碍疾病数据约简。本发明的有益效果为：可以有效提高特征选择的速度并提高精度。
-
公开(公告)号：CN116128846A
公开(公告)日：2023-05-16
申请号：CN202310097938.9
申请日：2023-02-01
Applicant: 南通大学
IPC: G06T7/00 , G06V10/774 , G06V10/80
Abstract: 本发明提供了一种面向肺部X‑ray图像检索的视觉Transformer哈希方法，属于医学图像处理技术领域，解决了不同种类的肺部X‑ray图像之间去检索同种类图像时存在检索时间长、检索精度低的问题。其技术方案为：建立肺部X‑ray图像数据库，构建视觉Transformer哈希模型，根据模型的输出计算成对损失Lpair、量化损失Lquan、平衡损失Lbal以及分类损失Lcl，构造总损失函数Lall；使用交替学习算法优化损失函数Lall；并逐一返回与测试集中最相似的前T张肺部X‑ray图像。本发明的有益效果为：能够分辨不同肺部X‑ray图像之间的细微差异，哈希方法将高维肺部X‑ray图像映射为低维的二进制编码，实现肺部X‑ray图像检索的准确率。
-
公开(公告)号：CN111816270B
公开(公告)日：2022-12-09
申请号：CN202010558462.0
申请日：2020-06-18
Applicant: 南通大学
IPC: G16H10/60 , G16H50/70 , G06F16/35 , G06F16/182
Abstract: 本发明提供了大规模肝脏电子病历病变分类的属性并行约简Spark方法，包括如下步骤：S10读取肝脏电子病历的数据集合并划分成多个肝脏病历数据子集发送到相应从节点上；S20对所述肝脏病历数据子集进行不一致处理，约简肝脏病历数据中不一致的数据，然后计算肝脏病历数据属性的等价类划分值；S30根据肝脏病历数据子集中数据对象计算属性重要度；S40计算出所述从节点中肝脏病历数据子集的属性重要度集合，进行聚合操作，得到肝脏病历数据的属性重要度集合；S50计算肝脏病历数据集的属性约简集合，并判断其是否满足约简要求。本发明的大规模肝脏电子病历病变分类的属性并行约简Spark方法，有效提高大规模肝脏电子病历属性并行约简的效率和精度。
-
公开(公告)号：CN113838532B
公开(公告)日：2022-11-18
申请号：CN202110845531.0
申请日：2021-07-26
Applicant: 南通大学
Abstract: 本发明提供了一种基于双重自适应邻域半径的多粒度乳腺癌基因分类方法，读取大规模基因位点数据并做归一化处理，并对大规模基因位点进行数据分析；利用轮廓系数和PCA降维可视化相结合方式，选取最佳K值，调整信息粒化的模型；其次，使用启发式约简算法分别实现基于簇心距离自适应邻域半径的多粒度属性约简基于属性包含度的邻域半径的多粒度属性约简，并采用SVM支持向量机机器学习分类算法对乳腺癌基因大数据进行分类和预测。本发明的有益效果是：调整惩罚项使模型在乳腺癌基因分类具有较高的准确率和召回率，去除大规模数据中冗余属性，提高了计算效率，利用样本之间的支持信息，提升了乳腺癌数据分类的效率和精度。
-
Patent Agency Ranking
公开(公告)号：CN114494196A
公开(公告)日：2022-05-13
申请号：CN202210094089.7
申请日：2022-01-26
Applicant: 南通大学
IPC: G06T7/00 , G06T5/00 , G06N5/00 , G06N5/04 , G06N3/12 , G06N3/04 , G06N3/08 , G16H30/20 , G16H50/20
Abstract: 本发明涉及医学信息智能处理技术领域，具体涉及基于遗传模糊树的视网膜糖尿病变深度网络检测方法。首先对视网膜图像进行增强处理，将病变区域展宽，对正常区域进行压缩；然后搭建网络模型U‑net，准确分割出视网膜血管以及血管末梢图像；接着将模型分割出的血管图像与真实诊断结果进行训练，构建出可解释的模糊决策树；其次对决策树权值编码并且构造适应度函数，基于遗传算法对多棵决策树进行组合优化；最后引入准确率指标动态调整损失函数中的惩罚项。本发明的有益效果是可精确地识别出视网膜糖尿病变血管末梢，提高检测分类准确度，更有效地帮助医生诊断视网膜糖尿病变，让患者获得最佳治疗时期。
-
公开(公告)号：CN114491293A
公开(公告)日：2022-05-13
申请号：CN202210104815.9
申请日：2022-01-28
Applicant: 南通大学
IPC: G06F16/9536 , G06Q50/00 , G06K9/62
Abstract: 本发明属于复杂网络分析技术领域，具体涉及一种统一化融合内容信息的半监督社团检测方法。本发明的步骤为：形式化带有节点内容网络中的拓扑和内容信息；利用基于非负矩阵分解的生成框架实现基于标准NMF和SNMF的拓扑子模型，计算结构相似度构建must‑link先验信息以调整节点社团隶属度，借鉴pLSA主题模型思想，基于非负矩阵分解构建内容子模型；引入平衡因子统一化融合具有先验信息的拓扑子模型和内容子模型，进而构建统一化融合节点内容半监督社团检测模型，最后，利用梯度下降法学习模型参数，得到节点的社团隶属度矩阵，进行聚类以挖掘网络中社团结构，运用标准化互信息熵NMI和调整兰德系数ARI对模型性能进行评估。
-
公开(公告)号：CN112232253B
公开(公告)日：2021-11-09
申请号：CN202011154195.7
申请日：2020-10-26
Applicant: 南通大学
Abstract: 本发明提供了一种粗糙合理粒度驱动的胎儿心电图异常检测方法，包括如下步骤：S10获得所有胎儿心电图样本的特征值及胎儿状态构造决策信息表；S20利用局部邻域决策粗糙集模型对胎儿心电图样本的粗糙隶属度进行计算；S30基于PSO优化算法的合理邻域选择；S40将步骤S30中所求最优邻域半径作为所述步骤S20中局部邻域决策粗糙集模型的邻域半径，更新近似集。本发明的一种粗糙合理粒度驱动的胎儿心电图异常检测方法，根据邻域信息识别异常样本，分别给出不同分布情况下样本的粗糙隶属度，为标签噪声样本提供一组伪类别标记；引入合理粒度准则，利用粒子群优化算法选择最优邻域半径，对根据伪类别标记修正后的信息表进行上下近似集的更新。
-
公开(公告)号：CN112163133B
公开(公告)日：2021-10-08
申请号：CN202011023382.1
申请日：2020-09-25
Applicant: 南通大学
IPC: G06F16/906 , G06K9/62
Abstract: 本发明提供了一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，包括如下步骤：S10采集乳腺癌数据集，并将所述乳腺癌数据集分为训练数据集和测试数据集；S20在所述训练数据集上构建多粒度数据；S30在不同粒度的所述病理特征约简集合下预测所述测试数据的类别标签集合；S40根据投票机制得到所述测试数据集中票数最多的类别标签，获得乳腺癌数据分类结果。本发明的一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，去除了冗余属性压缩乳腺癌数据规模，同时在分类过程中，将证据理论引入邻域粗糙分类，充分地利用了样本之间的紧密性，提升了对乳腺癌数据分类的效率和精度，对乳腺癌智能辅助分类具有较强的应用价值。
-
公开(公告)号：CN113159156A
公开(公告)日：2021-07-23
申请号：CN202110405276.8
申请日：2021-04-15
Applicant: 南通大学
Abstract: 本发明提供了一种用于宫颈癌数据分类的粗糙图卷积方法，要从宫颈癌数据中获得宫颈癌病变细胞信息的数据集合及其决策分类；计算宫颈癌数据中决策属性的依赖度，约简子集的属性重要度；按照约简子集的重要度排序选择可以得到宫颈癌数据中病理特征约简子集R；将经过粗糙集处理后的宫颈数据集转换成拓扑图的形式，作为神经网络的输入；利用神经网络采取一阶切比雪夫ChebNet的方法进行图卷积，用半监督方法进行节点分类，所得到的结果经过可视化后可求出宫颈癌数据中数据所属的类。本发明能够有效提高对宫颈癌数据进行分类的效率和精度，对宫颈癌数据计算机智能辅助分类具有较强的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.035 seconds)
